Kafka 使用场景

Kafka 本质是分布式事件流平台，凭借高吞吐、高可用、持久化、低延迟的核心特性，覆盖从业务解耦到实时大数据的多类场景。

典型场景如下：

1. 系统解耦与异步通信

最基础的消息队列场景，将上下游系统从强依赖的同步调用，改为弱依赖的异步事件驱动，降低系统耦合度，避免下游故障传导至上游。

典型案例：电商下单流程中，订单系统仅负责写入订单并发送事件，库存扣减、积分发放、物流通知、短信提醒等下游逻辑各自独立消费处理，互不影响。

承接瞬时突发流量，将洪峰请求暂存到 Kafka，下游服务按自身处理能力匀速消费，保护后端系统不被突发流量冲垮。

典型案例：电商秒杀、直播带货、大促活动等场景，瞬时数十万请求先写入 Kafka，订单、支付服务按处理能力消费，避免数据库、业务服务直接被流量打挂。

大数据领域的经典应用，统一汇聚多源日志、用户行为数据，作为数据管道对接下游分析、存储系统。

典型案例：微服务架构中，所有服务的应用日志、Nginx 访问日志、用户埋点数据统一上报到 Kafka，再分流到 Elasticsearch 做日志检索、Hive 做离线分析、监控平台做指标计算。

配合 Flink、Spark Streaming 等流计算引擎，支撑各类实时计算业务。

典型案例：金融实时反欺诈（交易流实时校验规则、拦截异常交易）、实时数据大屏（实时统计销售额、在线人数）、实时推荐（基于用户实时行为更新推荐结果）。

以事件为核心驱动微服务业务流转，所有业务状态变更以事件形式持久化存储，支持状态回溯、数据重放。

典型案例：订单全生命周期管理，订单创建、支付、发货、签收等每个状态变更都生成事件存入 Kafka；各业务域基于事件更新自身数据，出现问题可通过重放事件回溯历史状态。

作为数据中转层，实现跨系统、跨存储的数据准实时同步，保障多数据源最终一致性。

典型案例：通过 Debezium/Canal 采集 MySQL 的 binlog 变更写入 Kafka，再同步到 Redis 缓存、Elasticsearch 搜索引擎、数据仓库，实现业务库与周边数据存储的自动同步。

承接海量物联网设备的高并发上报数据，支撑工业物联网、智慧城市等大规模终端场景。

典型案例：工业传感器、智能家电、车载设备等海量终端实时上报状态、指标数据，Kafka 以高吞吐承接上报流量，再对接监控告警、数据分析平台。